【技术实现步骤摘要】
视频中图像的噪声估计方法、及视频降噪方法
[0001]本专利技术涉及图像处理
,特别是涉及一种视频中图像的噪声估计方法、及视频降噪方法。
技术介绍
[0002]在图像去噪、视频降噪等研究中,如何准确快速的对当前图像的噪声水平做出估计是一个重要课题。一个良好的噪声水平估计可以很好的为图像去噪算法提供助力。
[0003]事实上,很多图像去噪算法中就包含了噪声估计的内容。在大量的图像去噪算法研究论文中,研究者通常都以简单的“高斯噪声添加到干净图像作为噪声图像“来作为图像去噪的研究对象,并使用已知噪声强度水平作为阈值参考和去噪强度自适应的参数。这就导致了一个弊端:噪声模型(以高斯噪声为主)简单,对于噪声估计与实际严重不符。
[0004]现在已有的对视频中图像进行噪声估计的方法有以下几种:1)对单张噪声图像进行去噪来作为无噪图像,然后噪声图像和去噪图像相减,用其差值来估计噪声水平;2)有些方法利用了前后帧做噪声估计,对差分图像划分区域,来统计噪声水平;3)不同于前两种方法,而是将图像变换到其他变换域,比如小波变换或是傅里叶变换,通过数学计算和经验统计来对噪声水平加以估计;4)有些算法利用噪声水平函数的估计,建立一个过完备字典,选取光滑图像块的方差利用稀疏表示的方法来进行噪声估计;5)还有一些新技术利用多层感知机(MLP,MultiLayer Perceptron,也叫人工神经网络)和深度学习来估计噪声水平。
[0005]上述视频去噪中利用单张图像去噪后差分的方法(即第2种方法)的弊端有以下几点:第 ...
【技术保护点】
【技术特征摘要】
1.一种视频中图像的噪声估计方法,其特征在于,包括:对于视频中相邻的帧图像,舍弃掉属于运动区域的块,得到变换后的当前帧图像I
cur1
和变换后的差分图像I
dif1
;根据变换后的当前帧图像I
cur1
和变换后的差分图像I
dif1
,计算得出亮度关于噪声水平的函数关系式;对变换后的当前帧图像I
cur1
做自适应邻域选区,确定入选像素;对于各个块,分别计算所述对应像素在差分图像I
dif
中的均值,以该均值作为噪声水平。2.如权利要求1所述的视频中图像的噪声估计方法,其特征在于,所述对于视频中相邻的帧图像,舍弃掉属于运动区域的块包括:采用视频中相邻的帧图像,来生成差分图像I
dif
;将差分图像I
dif
划分为M
×
N个块;根据当前帧图像I
cur
,来分别计算各个块的各个亮度值lum
cur
;根据参考帧图像I
ref
,来分别计算各个块的各个亮度值lum
ref
;根据当前帧图像I
cur
,来计算阈值函数τ;根据lum
cur
、lum
ref
和τ,来分别判断各个块是否属于运动区域;将当前帧图像I
cur
中属于运动区域的块置0,得到变换后的当前帧图像I
cur1
;将差分图像I
dif
中属于运动区域的块置0,得到变换后的差分图像I
dif1
。3.如权利要求2所述的视频中图像的噪声估计方法,其特征在于,所述采用视频中相邻的帧图像,来生成差分图像I
dif
具体采用如下公式:I
dif
=I
cur-I
ref
其中,I
cur
表示当前帧图像,I
ref
表示参考帧图像,I
dif
表示差分图像。4.如权利要求2所述的视频中图像的噪声估计方法,其特征在于,所述根据当前帧图像I
cur
,来分别计算各个块的各个亮度值lum
cur
包括:采用卷积核Ker1,计算公式为:Lum=conv(I
cur
,Ker1)/100其中,Lum表示当前帧图像I
cur
的中心像素利用卷积核计算出的亮度,Ker1是卷积核,conv()表示卷积操作。5.如权利要求2所述的视频中图像的噪声估计方法,其特征在于,所述根据当前帧图像I
cur
,来计算阈值函数τ包括:根据当前帧图像I
cur
,来分别计算各个块内所有像素的均值,得到M
×
N个均值;基于M
×
N个均值,来计算n
min
和n
mid
;根据n
min
和n
mid
来计算阈值函数τ;τ=nmin+k
×
nmid其中,k为常数,τ为阈值函数。6.如权利要求5所述的视频中图像的噪声估计方法,其特征在于,k为0.073或者是其它经验数。7.如权利要求2所述的视频中图像的噪声估计方法,其特征在于,所述根据lum
cur
、lum
ref
和τ,来分别判断各个块是否属于运动区域包括:若该块的lum
cur
与lum
ref
之间的差值
大于τ,则该块属于运动区域。8.如权利要求1所述的视频中图像的噪声估计方法,其特征在于,所述根据变换后的当前帧图像I
cur1
和变换后的差分图像I
...
【专利技术属性】
技术研发人员:舒顺朋,达声蔚,
申请(专利权)人:上海齐感电子信息科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。